заключается в проведении 6—10 сеансов терапии длительностью 90 мин., в к-рых 
участвуют члены пяти-шести семей, свободно обсуждающие свои проблемы. 
Психотерапевт играет роль фасилитатора, направляющего дискуссию и приглашающего 
отдельных участников к комментариям или отреагированию.
   Процесс терапии
    М. с. т., как и большинство терапий, проводится в неск. этапов. Однако, в 
отличие от этого большинства, она более ограничена по времени и тематике. В ней 
выделяются 3 этапа: наблюдение, вмешательство и консолидация. На первом этапе 
участников побуждают к общему разговору, в ходе к-рого выявляются темы для 
обсуждения.
    М. с. т. ориентирована не на личную динамику, а на решение проблем. На 
втором этапе акцент делается на взаимодействии, исходя из того, что изменения 
должны быть взаимными, а не достигаться лишь каким-то одним лицом. Это — 
трудный этап, поскольку люди часто считают, что решать их проблемы должны 
другие. Психотерапевт должен обратить внимание на взаимно деструктивное 
поведение. Эта стадия демонстрирует терапевтические возможности М. с. т., когда 
отдельные участники помогают психотерапевту в выявлении контрпродуктивных 
паттернов взаимодействия. Часто используется разыгрывание ролей.
    Третий этап представляет собой завершение и консолидацию: оценивание 
достигнутого прогресса и заключение о достаточности проделанных изменений. Что 
еще важнее — это время для того, чтобы понять, что изменения осуществимы лишь 
при условии, что члены семьи мотивированы на продолжение работы над своими 
отношениями.
   Резюме
    М. с. т. оказалась в особенности эффективной в работе с городским 
афро-американским населением и с выписанными из стационара больными. Она дает 
простор для раскрытия творческого потенциала терапевта и приносит результат в 
относительно быстрые сроки. Этот подход несложен в обучении и не зависит 
исключительно от интуиции терапевта.
    См. также Поведенческая терапия, Группы достижения изменений
    В. Фоули
    
   Модели нейронных сетей (neural network models)
    
    Модели, включающие сети нейроноподобных элементов, приобрели известность в 
психологии и родственных дисциплинах, когнитивной науке и нейробихевиоральной 
науке. Такие модели появились тж под предметными заголовками коннекционистских 
моделей и распределенной параллельной обработки. В области познавательных 
процессов сети использовались для объяснения таких различных феноменов, как 
распознавание слов, категоризация, восприятие зрительного паттерна, 
координированное моторное действие, и неврологические расстройства. В этом 
отношении, М. н. с. представляют собой резкий отход от прежних теорий, к-рые 
предполагали манипуляции символической информ. по типу грамматических. 
Неграмматические и несимволические свойства нейронных сетей тж обусловили их 
пригодность для объяснения отличных от человеческого видов научения и его 
нейронных основ.
    Нейронные сети предназначены для порождения системы вычислений, к-рая 
является кооперативной и самоорганизующейся. Т. о. нейронная сеть не содержит в 
себе к.-л. эксплицитной исполнительной или контролирующей подсистемы. 
Предполагается, что поведение, к-рое внешне следует правилу, гипотезе или 
стратегии, возникает из взаимодействий между элементами, ни один из к-рых не 
содержит правила, гипотезы или стратегии. Несмотря на то что сетевые модели 
опираются на представление о нейроне, осн. масса этих моделей лишь 
незначительно ограничивает себя рамками общеизвестной архитектуры и 
функционирования реальных НС. В очищенном от своих дополнительных значений виде,
 нейронные сети являют собой единственный тип количественной модели, 
подпадающей под традиционные критерии проверки любой модели в психологии. 
Потребовалось широкое использование компьютерного моделирования, чтобы эти 
модели достигли полного и точного определения через их собственные внутренние 
операции и механизмы порождения выходных сигналов, позволяющего осуществлять 
четкие поведенческие прогнозы.
   Основные характеристики
    Элементы типичной нейронной сети можно описать при помощи двух уравнений, а 
именно правила активации (или возбуждения) и правила обучения. Правило 
активации объединяет (суммирует) входы в элемент и формирует уровень выходного 
сигнала. Вычисления сети связаны с передачей выходных активирующих сигналов 
заданного уровня от одного элемента на входы др. элементов. Правило обучения 
изменяет силу активных входов посредством переменных, наз. весами связи. 
Входной уровень для принимающего элемента обычно определяется произведением 
воспринимаемого уровня активации и текущего веса связи в принимающем элементе.
   Линейный пороговый элемент
    Начало совр. правилам активации было положено в работе Мак-Каллока и Питтса,
 касающейся способности нейронов действовать как логические вентили. На рис. 1 
изображен линейный пороговый элемент. В его левой части представлены входные 
переменные, описываемые как входные уровни активации (Xi) и взвешенные связи 
(Vi). Каждая переменная может принимать любое вещественное значение. Однако 
уровни активации обычно задаются двоичными значениями (Xi = 0,1), а веса — 
значениями в пределах от -1 до +1. Суммарный входной уровень в любой момент 
времени определяется суммой весов активных входов (? [Vi Xi]). Подобно входным 
уровням активации, выходной сигнал элемента тж представлен двоичными значениями